问题描述
我正在尝试训练用于房价预测的线性回归模型。我尝试了三种方法。
我通过 r 平方值评估了所有三个模型,如下所示:
现在我不明白为什么两个自定义算法的 r 平方值为负。代码提供如下。为所有三种方法提供相同的数据。
def hypothesis(self,input_data):
# input data: (1382,22),features: (22,),prediction: (1382,)
prediction = np.matmul(input_data,self.features)
return prediction
def cost(self,predicted,actual):
cost = np.sum(np.square(predicted- actual)) / len(predicted) / 2
# predicted: (1382,actual: (1382,cost: float number
return cost
def gradient_descent(self,alpha,prediction,actual):
self.features -= alpha * (np.matmul(self.train_x.T,(prediction - actual))) / len(prediction)
# prediction: (1382,alpha: 0.001,)
def normal_equation(self,X,y):
self.features = np.matmul(np.matmul(np.linalg.inv(np.matmul(X.T,X)),X.T),y)
#X.shape: (1382,y.shape: (1382,)
def built_in_train(self):
reg = LinearRegression().fit(self.train_x,self.train_y)
#train_x: (1382,train_y: (1382,)
return reg
def train(self,epoch,normal_equation=False,builtin_function=False):
if(normal_equation):
self.normal_equation(self.train_x,self.train_y)
return None
elif (builtin_function):
return self.built_in_train()
else:
for i in range(0,epoch):
prediction = self.hypothesis(self.train_x)
cost = self.cost(prediction,self.train_y)
self.train_cost_history.append(cost)
self.gradient_descent(alpha,self.train_y)
return None
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)